Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは １年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。
はてなブログ | 無料ブログを作成しよう
わたし的棚ぼた一万円選書 急に千葉さんに手渡された封筒、開けてみたら1万円札が1枚。何ごとかと思えば、同期の出張を代わったお礼をもらったらしい。 「葵はワンオペで育児してくれたから」と半分わけてくれました。 泡銭の1万円 これはもう、わたし的1万円選書をしろという思し召しなのでは……
高校生のための NVIDIA CUDA サマーキャンプ 2012 8/30 thu. | NVIDIA
CUDA Zone CUDA® is a parallel computing platform and programming model developed by NVIDIA for general computing on graphical processing units (GPUs). With CUDA, developers are able to dramatically speed up computing applications by harnessing the power of GPUs. In GPU-accelerated applications, the sequential part of the workload runs on the CPU – which is optimized for single-threaded performance
Deep Learning研究のためのGPU環境構築 | Deep Learning JP
Torch7やTheano、CaffeといったライブラリをGPU上で実行するために必要となるCUDA環境の構築について基本的な情報と、よくひっかかる点やその解決方法を示します。 注意：GPU環境構築は、環境（ハード構成等）によっては、Linuxの専門的な知識を要する場合があります。 Deep Learning研究において、GPUを利用した計算ができることはほぼ必須だと言っても過言ではありません。これは、GPUを使う場合と使わない場合では数倍から１０倍程度、計算時間に差がでるためです。大量のデータを訓練データとして利用することが多いDeep Learningの研究においてこの差は致命的になることが多いです。 GPUの計算環境といっても、いくつかの実装があります。代表的なGPGPU用のライブラリとしては、OpenCLやCUDAが挙げられます。Torch7やPylearn2、Caffeといったメ
memo: Virtual Box上のUbuntuへのCUDA導入について - Oha Kaiden
私のPCはWindows7とUbuntu(14.04？) のデュアルブート状態にある。 だが可能であれば、同時に両OSを起動し、Windows上でドキュメントの作成、Ubuntuによるプログラミングを行うような形態をとりたいと考える。 そのためにはVirtual Boxなどの仮想環境を使うことが必要なのだが、そこには一つ懸念事項がある。 GPGPU (General Purpose GPU) プログラミング用のCUDAの使用に関してだ。 CUDAはGPUを使った並列計算を可能とし、用途によっては数百倍の計算高速化が望める。 しかしながら、CUDAプログラミングを行うことは、GPUというハードウェアを利用するということであり、仮想環境上では容易なことでは無いらしい。 以下の記事は、上記の事項を実行したが失敗に終わった例である。 www.rokudw.net 結果的に、PCIパススルーという機
CUDA：「超並列コンピューティング」はじめました
昨年末に気の早いお年玉が届きました。GPUでおなじみのNVIDIAさんとご縁があって、GeForce GTX750が乗ったビデオカードを貸してもらえることになりまして。GTX750に詰め込まれた512個ものコアを汎用の計算装置として使えるなんてワクワクするじゃないですか。NVIDIAさんへのお礼を兼ねて、GPUを使った超並列コンピューティング環境：CUDA（クーダ）に手を染めるオハナシです。 本記事はNVIDIAの協力に基づいて記事作成しております。 はじめに その昔、GPUは3次元空間に浮かぶオブジェクトに光を当て（ライティング）、影をつけ（シェーディング）、写真を撮ったかのように二次元平面に投影する（レンダリング）一連の処理を専用のハードウェアで実現していたのですが、やがてプログラマブルな計算ブロック（プログラマブルシェーダ）で行うようになりました。最終的には数百万個のピクセル一つ一つ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
【後藤弘茂のWeekly海外ニュース】 ディープラーニングというGPUの新市場
